WAAPI+TTS—语音临时资源自动构建流程

前言

在大型项目的生产过程中，自动化是很常用的手段。

在一个上百人的团队中，反复沟通、 来回协作，是非常容易出错的。使用自动化流程取代机械化的人为操作，可以大大减少出错的概率，提高生产效率。

在工业化生产流程中，项目组往往会部署几台自动构建机、自动打包机等用于进行一些自动化等操作，配合通知机制，将自动化流程等结果反应在某个页面上，并提示相关人员。这使质量把控及工作流程更高效。

音频的生产也可以使用自动构建来完成一些机械化流程，减少人为操作和沟通：如使用构 建机完成自动打 Soundbank，可以避免多人协作过程中，本地生成 Soundbank 的冲突问题， 降低上传出错的几率。

在 Wwise 引擎的自动化部分，由于官方提供了 WAAPI（之前介绍 WAAPI 的文章较多，此处不多加赘述），其使开发者能够更方便的自动进行 Wwise 的内部操作， 使用 WAAPI 配合其他工具结合，开发一些自动化工具链，部署在打包机上，可使整个流程更紧凑与高效。

此处介绍利用 WAAPI 与 TTS，实现语音临时资源自动构建的流程。

语音生产中的问题及优化思路

在语音的生产过程中，可能会遇到配置麻烦，迭代频率高的问题，尤其是在配音需求较多的情况下。在没有任何工具支持的情况下，需要策划和音频设计师来回沟通、操作、上传，整个过程重复性高、容易出错，耗时且机械化：

1. 策划上传语音表，告知设计师；

2. 音频设计师在 Wwise 中添加资源，同步到引擎、配置、上传；

3. 项目组验收、测试。

解决配置问题

在工业化生产中，模块化是一种常用的方法，可以减少很多重复劳动，降低 debug 成本， 方便统筹和快速验证，使团队中的每个人专注于自己的工作，提高开发效率。通常且大致的思路是将文字、音频、美术表现及其他功能集成为一个模块进行配置，这样策划在配置文字的时候也就 顺便完成了语音的配置，不需要单独配置语音。其中，Event 名可按照规则拼写，可提前与策划商议。

解决沟通、Wwise 操作、上传等机械化操作问题

说到“减少来回沟通”，最直接的就是尽可能让机器来完成人为的协作，而语音生产中的协作，恰好是个非常机械化的过程，绝大部分可以用自动化来替代。

此处介绍一种语音自动构建的过程：先根据项目情况，找到机械化的人为协作，并规划好自动化流程，将要执行的过程封装到命令行中，其中涉及到 WAAPI 和 Microsoft TTS 等相关的 API，使用的上传和部署工具为 Perforce 和 Jenkins。

开始部署临时语音自动化构建流程

制定规则

1. 确定 Event 名的拼写规则；

2. 确保语音表的表头具有语音名称、语言、音色、语气、内容等相关信息；

3. 分别创建 Audio 层级和 Event 层级的 Workunit，在 Originals 的多语言目录下创建一个 用于存放 AI 生成的 wav 的文件夹；

4. 试听、选择 TTS 提供的音色，或自己训练一种音色模型。

需开发的内容

1. 将语音表转化为 SSML（语音合成标记语言）格式（Microsoft TTS 识别的格式）的工具；

输出目标范例

2. TTS 文字转语音工具；

（需自行去官网注册并申请 license key）

3. 用于自动导入资源、创建 Sound Voice 及 Event 的 WAAPI 工具；

4. p4、git 等版本管理工具相关内容、通知机制、流程部署；

5. 前端播放逻辑。

部署构建机

使用一台自动构建机器，需安装 Wwise 环境，将以下流程部署至机器：

1. 比对、列出语音表中增、删、改的内容；

2. 将有变动的部分转化为 SSML；

3. 执行文字转语音 TTS；

4. 使用 WAAPI 在 Wwise 中指定的 WorkUnit 中创建、更新 Voice SFX，并生成相关 Event，上传至服务器；

5. 在相关目录下生成 Soundbank 等游戏引擎使用的资源，上传到服务器；

当服务器检测到策划上传语音表，则自动执行以上流程。

改善后的工作流

1. 日常生产中，只需策划配表、上传、等待自动化流程、拉新，即可听到临时语音

2. 语音测试、debug 可以和发包同步进行

可能会遇到的问题

整个自动话过程会有些耗时，如果语音量很大，可能会占用构建机资源，可在特定的时间（如夜间）进行。构建机资源丰富的情况下，可以策划以上传语音表进行。